JPH04366975A - 電子写真プロセス制御装置 - Google Patents
電子写真プロセス制御装置Info
- Publication number
- JPH04366975A JPH04366975A JP3143454A JP14345491A JPH04366975A JP H04366975 A JPH04366975 A JP H04366975A JP 3143454 A JP3143454 A JP 3143454A JP 14345491 A JP14345491 A JP 14345491A JP H04366975 A JPH04366975 A JP H04366975A
- Authority
- JP
- Japan
- Prior art keywords
- paper
- detection means
- neural network
- electrophotographic process
- section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Paper Feeding For Electrophotography (AREA)
- Control Or Security For Electrophotography (AREA)
- Controlling Sheets Or Webs (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【０００１】
【産業上の利用分野】本発明は、電子写真プロセス機構
によって複写および印刷等を行う装置の装置各部の制御
を行う電子写真プロセス制御装置に関する。
によって複写および印刷等を行う装置の装置各部の制御
を行う電子写真プロセス制御装置に関する。
【０００２】
【従来の技術】従来の電子写真プロセスにおける制御方
式には、感光体ドラム上の表面電位、トナー付着量等を
表面電位計、フォトセンサ等により計測し、実験等によ
り予め作成された表（テーブル）から各計測値に対応す
る操作量を参照することで制御をおこなう方法や、装置
内の各部の操作量を変化させ、センサ等で装置状態をフ
ィードバックしながらＰＩＤ制御等の方法を用いて最適
な操作量を見つけることにより制御をおこなう方法等が
考案されている。さらには、ファジィ推論を行う演算装
置を実装することにより、複雑多様に絡み合う数多くの
制御パラメータから、総合的判断に基づいて各制御対象
を操作する方法等が考案されている。
式には、感光体ドラム上の表面電位、トナー付着量等を
表面電位計、フォトセンサ等により計測し、実験等によ
り予め作成された表（テーブル）から各計測値に対応す
る操作量を参照することで制御をおこなう方法や、装置
内の各部の操作量を変化させ、センサ等で装置状態をフ
ィードバックしながらＰＩＤ制御等の方法を用いて最適
な操作量を見つけることにより制御をおこなう方法等が
考案されている。さらには、ファジィ推論を行う演算装
置を実装することにより、複雑多様に絡み合う数多くの
制御パラメータから、総合的判断に基づいて各制御対象
を操作する方法等が考案されている。
【０００３】
【発明が解決しようとする課題】しかし、いずれの従来
法も、感光体ドラム上に最適な像を形成することを目的
とする制御であり、転写、分離、定着における制御も感
光体ドラム上に最適な画像が形成されていることと、紙
の特性に変化がない（紙は一意である）こととを前提と
している。
法も、感光体ドラム上に最適な像を形成することを目的
とする制御であり、転写、分離、定着における制御も感
光体ドラム上に最適な画像が形成されていることと、紙
の特性に変化がない（紙は一意である）こととを前提と
している。
【０００４】しかし、いくら感光体ドラム上に最適と思
われる画像が形成できたとしても、利用者が求めている
物は紙上に転写、定着された画像であるわけだあるから
、紙上での画像の転写、定着が確実に行われなければ意
味がない。にもかかわらず、近年、複写機、プリンタ等
の利用分野が拡大するにつれ使用される紙もますます多
種多様（再生紙、葉書、トレーシング・ペーパー、ＯＨ
Ｐシート、等）になりつつあり、従来の制御法のように
、紙の特性を一定と仮定して感光体ドラム上への像形成
、および転写、分離、定着部を制御しただけでは常に最
良な出力を使用者が得ることは難しい。
われる画像が形成できたとしても、利用者が求めている
物は紙上に転写、定着された画像であるわけだあるから
、紙上での画像の転写、定着が確実に行われなければ意
味がない。にもかかわらず、近年、複写機、プリンタ等
の利用分野が拡大するにつれ使用される紙もますます多
種多様（再生紙、葉書、トレーシング・ペーパー、ＯＨ
Ｐシート、等）になりつつあり、従来の制御法のように
、紙の特性を一定と仮定して感光体ドラム上への像形成
、および転写、分離、定着部を制御しただけでは常に最
良な出力を使用者が得ることは難しい。
【０００５】以上のような理由により、紙の種類によっ
て感光体ドラム上への像形成および、転写、分離、定着
部の制御を最適化することが望ましいが、以下のような
問題点を有する。 （１）各種センサにより代用特性を測定しても、温度、
湿度等の環境要因によって紙の特性が変化してしまうの
で種類を正確に判断するのが難しい。また、たとえば一
口に再生紙といっても多種多様であり、非常に上質な再
生紙もあれば新聞紙程度の質の再生紙もあるため、普通
紙、再生紙、葉書、等のような分類を明確に行うことは
困難である。
て感光体ドラム上への像形成および、転写、分離、定着
部の制御を最適化することが望ましいが、以下のような
問題点を有する。 （１）各種センサにより代用特性を測定しても、温度、
湿度等の環境要因によって紙の特性が変化してしまうの
で種類を正確に判断するのが難しい。また、たとえば一
口に再生紙といっても多種多様であり、非常に上質な再
生紙もあれば新聞紙程度の質の再生紙もあるため、普通
紙、再生紙、葉書、等のような分類を明確に行うことは
困難である。
【０００６】（２）各種センサにより測定された紙の状
態（厚さ、導電率、平滑度、等）を制御における操作量
と関係づけることが難しい。これは、紙の特性が温度、
湿度等の外部要因により複雑に変化し、単純な関数やル
ールでは制御方法（操作量）の一般化が難しい事に起因
する。全ての紙質と環境の組み合わせについて関係を一
般化することは非常に困難である。
態（厚さ、導電率、平滑度、等）を制御における操作量
と関係づけることが難しい。これは、紙の特性が温度、
湿度等の外部要因により複雑に変化し、単純な関数やル
ールでは制御方法（操作量）の一般化が難しい事に起因
する。全ての紙質と環境の組み合わせについて関係を一
般化することは非常に困難である。
【０００７】（３）あらゆる紙質と環境を想定して実験
を行い、その全てのデータを表として装置内に保持する
ことは、実験の手間、装置のコスト等を考えると現実的
ではない。全ての紙質と環境の組み合わせを網羅しよう
とすると、膨大な量の実験が必要となるし、装置内に保
持するテーブルのデータ量も非常に多くなる。結果とし
て代表的な紙種について単純な分類で、無難と思われる
値を表として装置内に保持するにとどまり、全ての場合
での最適な制御を行うことは難しい。
を行い、その全てのデータを表として装置内に保持する
ことは、実験の手間、装置のコスト等を考えると現実的
ではない。全ての紙質と環境の組み合わせを網羅しよう
とすると、膨大な量の実験が必要となるし、装置内に保
持するテーブルのデータ量も非常に多くなる。結果とし
て代表的な紙種について単純な分類で、無難と思われる
値を表として装置内に保持するにとどまり、全ての場合
での最適な制御を行うことは難しい。
【０００８】本発明の目的は、電子写真プロセス現像部
を制御する装置において、ニューラルネットワークを用
いて紙のカテゴナイズ、紙の特性パラメータの生成、紙
の特性に適合した操作量の生成を行い、この結果を利用
して各部の最適な制御を行い、より高品位な画像を出力
する複写機、プリンタ、ファクシミリ等を実現すること
にある。
を制御する装置において、ニューラルネットワークを用
いて紙のカテゴナイズ、紙の特性パラメータの生成、紙
の特性に適合した操作量の生成を行い、この結果を利用
して各部の最適な制御を行い、より高品位な画像を出力
する複写機、プリンタ、ファクシミリ等を実現すること
にある。
【０００９】
【課題を解決するための手段】請求項１記載の発明は、
電子写真プロセス機構を備えた画像形成装置の装置各部
の制御を行なう電子写真プロセス制御装置であって、画
像を転写する紙の電気抵抗、表面の摩擦係数、厚さ、光
の透過率および反射率、等を測定する紙特性検知手段と
、画像形成装置内の温度、湿度等の装置の内部状態及び
外部状態を計測する各種状態検知手段と、前記紙特性検
知手段及び前記各種状態検知手段より得られたセンサ値
をニューラルネットワークに入力可能な形式に変換する
変換手段と、前記紙特性検知手段及び前記各種状態検知
手段より得られたセンサ値を入力とし、紙の種類を教師
値としてセンサ値と紙の種類の関係を学習させておいた
前記ニューラルネットワークを用いた紙種類判定手段と
、該紙種類判定手段により判定された紙種類により制御
パラメータを切り替えることにより前記装置各部の制御
を行う制御手段と、を有する構成となっている。
電子写真プロセス機構を備えた画像形成装置の装置各部
の制御を行なう電子写真プロセス制御装置であって、画
像を転写する紙の電気抵抗、表面の摩擦係数、厚さ、光
の透過率および反射率、等を測定する紙特性検知手段と
、画像形成装置内の温度、湿度等の装置の内部状態及び
外部状態を計測する各種状態検知手段と、前記紙特性検
知手段及び前記各種状態検知手段より得られたセンサ値
をニューラルネットワークに入力可能な形式に変換する
変換手段と、前記紙特性検知手段及び前記各種状態検知
手段より得られたセンサ値を入力とし、紙の種類を教師
値としてセンサ値と紙の種類の関係を学習させておいた
前記ニューラルネットワークを用いた紙種類判定手段と
、該紙種類判定手段により判定された紙種類により制御
パラメータを切り替えることにより前記装置各部の制御
を行う制御手段と、を有する構成となっている。
【００１０】また、請求項２記載の発明は、請求項１記
載の紙種類判定手段及び制御手段に代えて、転写特性、
定着特性などの紙の特性パラメータを教師値としてセン
サ値と紙の特性の関係を学習させておいたニューラルネ
ットワークを用いた紙特性パラメータ生成手段と、該紙
特性パラメータ生成手段により生成された紙の特性パラ
メータを用いて操作量を決定することにより前記装置各
部の制御を行う制御手段と、を有する構成となっている
。
載の紙種類判定手段及び制御手段に代えて、転写特性、
定着特性などの紙の特性パラメータを教師値としてセン
サ値と紙の特性の関係を学習させておいたニューラルネ
ットワークを用いた紙特性パラメータ生成手段と、該紙
特性パラメータ生成手段により生成された紙の特性パラ
メータを用いて操作量を決定することにより前記装置各
部の制御を行う制御手段と、を有する構成となっている
。
【００１１】また、請求項３記載の発明は、請求項１記
載の紙種類判定手段及び制御手段に代えて、予め実験等
により得られた前記装置各部の操作量を表すパラメータ
を教師値として、センサ値と紙の特性および感光体ドラ
ム間の系の学習させておいたニューラルネットワークを
用いた操作量パラメータ生成手段と、該操作量パラメー
タ生成手段により得られた操作量に基づいて前記装置各
部の制御を行う制御手段と、を有する構成となっている
。
載の紙種類判定手段及び制御手段に代えて、予め実験等
により得られた前記装置各部の操作量を表すパラメータ
を教師値として、センサ値と紙の特性および感光体ドラ
ム間の系の学習させておいたニューラルネットワークを
用いた操作量パラメータ生成手段と、該操作量パラメー
タ生成手段により得られた操作量に基づいて前記装置各
部の制御を行う制御手段と、を有する構成となっている
。
【００１２】
【作用】請求項１記載の発明では、ニューラルネットワ
ークの学習により、紙種類判定手段により判定された紙
種類は、実際の各種の紙の種類に正確に対応しているの
で、その紙に対応した装置各部の制御を行うことができ
、常に良好な画像が得られることとなる。請求項２記載
の発明によれば、ニューラルネットワークの学習により
、紙特性パラメータ生成手段により生成された紙の特性
パラメータは、実際の紙の転写特性、定着特性などの紙
の特性パラメータに正確に対応しているので、その紙に
対応した装置各部の制御を行うことができ、常に良好な
画像が得られることとなる。
ークの学習により、紙種類判定手段により判定された紙
種類は、実際の各種の紙の種類に正確に対応しているの
で、その紙に対応した装置各部の制御を行うことができ
、常に良好な画像が得られることとなる。請求項２記載
の発明によれば、ニューラルネットワークの学習により
、紙特性パラメータ生成手段により生成された紙の特性
パラメータは、実際の紙の転写特性、定着特性などの紙
の特性パラメータに正確に対応しているので、その紙に
対応した装置各部の制御を行うことができ、常に良好な
画像が得られることとなる。
【００１３】請求項３記載の発明では、ニューラルネッ
トワークの学習により、操作量パラメータ生成手段によ
り得られた操作量は実際の紙の特性および感光体ドラム
間の系の状態に正確に対応しているので、それらの系に
対応した装置各部の制御を行うことができ、常に良好な
画像が得られることとなる。
トワークの学習により、操作量パラメータ生成手段によ
り得られた操作量は実際の紙の特性および感光体ドラム
間の系の状態に正確に対応しているので、それらの系に
対応した装置各部の制御を行うことができ、常に良好な
画像が得られることとなる。
【００１４】
【実施例】以下、本発明の実施例を説明する。図１に本
発明の第１実施例に係る電子写真プロセス制御装置の基
本構成ブロック図を示す。本実施例に係る電子写真プロ
セス制御装置は、紙の特性を検出する紙特性検知センサ
部２と、画像形成装置内の内部状態及び外部状態を計測
する各種状態検知センサ部４と、紙特性検知センサ部２
及び各種状態検知センサ部４より得られたセンサ値をニ
ューラルネットワークに入力可能な形式に変換する前処
理部６と、ニューラルネットワークを用いた紙種類判定
部８と、紙種類判定部８により判定された紙種類により
制御パラメータを切り替えることにより、複写機各部の
制御を行う制御部１０と、それら複写機各部に対応した
制御信号を作成する要素駆動部１２とから構成されてい
る。
発明の第１実施例に係る電子写真プロセス制御装置の基
本構成ブロック図を示す。本実施例に係る電子写真プロ
セス制御装置は、紙の特性を検出する紙特性検知センサ
部２と、画像形成装置内の内部状態及び外部状態を計測
する各種状態検知センサ部４と、紙特性検知センサ部２
及び各種状態検知センサ部４より得られたセンサ値をニ
ューラルネットワークに入力可能な形式に変換する前処
理部６と、ニューラルネットワークを用いた紙種類判定
部８と、紙種類判定部８により判定された紙種類により
制御パラメータを切り替えることにより、複写機各部の
制御を行う制御部１０と、それら複写機各部に対応した
制御信号を作成する要素駆動部１２とから構成されてい
る。
【００１５】紙特性検知センサ部２は、本実施例では、
紙の電気抵抗を検出する電気抵抗センサ２０、紙の摩擦
係数を測定する摩擦係数センサ２２、光を照射し、その
反射光の強度から紙の反射率を検出するフォトセンサ２
４、光を照射し、その透過光の強度から紙の透過率を検
出するフォトセンサ２６、紙の大きさを検出する紙カセ
ット情報２８、で構成されている。各種状態検知センサ
部４は、操作者が入力する操作パネル情報３０、複写枚
数を検出する複写／プリント枚数カウンタ３２、複写機
内の温度を検出する温度計３４、複写機内の湿度を検出
する湿度計３６で構成されている。
紙の電気抵抗を検出する電気抵抗センサ２０、紙の摩擦
係数を測定する摩擦係数センサ２２、光を照射し、その
反射光の強度から紙の反射率を検出するフォトセンサ２
４、光を照射し、その透過光の強度から紙の透過率を検
出するフォトセンサ２６、紙の大きさを検出する紙カセ
ット情報２８、で構成されている。各種状態検知センサ
部４は、操作者が入力する操作パネル情報３０、複写枚
数を検出する複写／プリント枚数カウンタ３２、複写機
内の温度を検出する温度計３４、複写機内の湿度を検出
する湿度計３６で構成されている。
【００１６】前処理部６は入力される情報をニューラル
ネットワークに入力可能なパラメータに変換する、例え
ば、センサのアナログ出力をデジタル変換したり、ある
いはセンサのデジタル出力をアナログ変換したり、入力
スケールの正規化等を行う。また、紙カセットの紙送り
部の上昇量と枚数カウンタの情報から紙の厚さパラメー
タを新たに生成するといったことも行われる回路であり
、前述の各種センサごとに、変換回路が構成されている
。紙種類判定部８には、紙の種類を学習済みのニューラ
ルネットワークが組み込まれており、前処理部６から送
られてきた各パラメータを入力とし、紙の種類の判断結
果を出力とする機能がある。
ネットワークに入力可能なパラメータに変換する、例え
ば、センサのアナログ出力をデジタル変換したり、ある
いはセンサのデジタル出力をアナログ変換したり、入力
スケールの正規化等を行う。また、紙カセットの紙送り
部の上昇量と枚数カウンタの情報から紙の厚さパラメー
タを新たに生成するといったことも行われる回路であり
、前述の各種センサごとに、変換回路が構成されている
。紙種類判定部８には、紙の種類を学習済みのニューラ
ルネットワークが組み込まれており、前処理部６から送
られてきた各パラメータを入力とし、紙の種類の判断結
果を出力とする機能がある。
【００１７】制御部１０はＣＰＵ、メモリ、シーケンス
プログラム等から構成される判断機能を有する信号処理
部であり、紙種類判定部８からの紙の種類信号に応じて
、要素駆動部に信号を送る機能がある。要素駆動部１２
は、制御部１０からの信号によって紙の種類に応じて複
写部の要素の駆動信号を変えるもので、帯電部の帯電チ
ャージャのグリッド電圧、露光量、現像部ローラにかけ
るバイアス電圧、転写電流、分離電流、定着部ヒータの
駆動部が接続され、紙種に合った最適な信号を送る。
プログラム等から構成される判断機能を有する信号処理
部であり、紙種類判定部８からの紙の種類信号に応じて
、要素駆動部に信号を送る機能がある。要素駆動部１２
は、制御部１０からの信号によって紙の種類に応じて複
写部の要素の駆動信号を変えるもので、帯電部の帯電チ
ャージャのグリッド電圧、露光量、現像部ローラにかけ
るバイアス電圧、転写電流、分離電流、定着部ヒータの
駆動部が接続され、紙種に合った最適な信号を送る。
【００１８】次に本実施例の動作について説明する。以
下、ニューラルネットワークのそれらの学習時と判定時
に分けて説明する。 ■．ニューラルネットワークの学習時：まず、紙種類判
定部８のニューラルネットワークの学習について説明す
る。図２に階層型ニューラルネットワークで実現した紙
種判断部を示す。ニューラルネットワークには、センサ
出力情報が入力される入力層と、中間層、紙種類情報が
出力される出力層とそれらを結ぶネットワークで構成さ
れている。学習時には各入力センサ情報を変化させなが
ら実験を行い、出力層側から正解を教師信号として与え
、逆伝播学習則により学習を行う。教師値としての信号
の流れを図２において、破線の矢印で示している。
下、ニューラルネットワークのそれらの学習時と判定時
に分けて説明する。 ■．ニューラルネットワークの学習時：まず、紙種類判
定部８のニューラルネットワークの学習について説明す
る。図２に階層型ニューラルネットワークで実現した紙
種判断部を示す。ニューラルネットワークには、センサ
出力情報が入力される入力層と、中間層、紙種類情報が
出力される出力層とそれらを結ぶネットワークで構成さ
れている。学習時には各入力センサ情報を変化させなが
ら実験を行い、出力層側から正解を教師信号として与え
、逆伝播学習則により学習を行う。教師値としての信号
の流れを図２において、破線の矢印で示している。
【００１９】この実施例では、教師信号としては、普通
紙、再生紙１、再生紙２、トレーシングペーパー、ＯＨ
Ｐシート、ハガキが与えられている。このような学習に
より、入力層と中間層間及び中間層と出力層間には、入
力センサ情報を考慮した上で、最適な信号を出力できる
ネットワークが形成される。ここで、制御部１０ではニ
ューラルネットワークからの出力を入力とし、最適な装
置要素の制御信号を出力するように予め調整しておく必
要がある。この調整作業はニューラルネットワーク学習
データ取得時と平行して行なうことが可能である。
紙、再生紙１、再生紙２、トレーシングペーパー、ＯＨ
Ｐシート、ハガキが与えられている。このような学習に
より、入力層と中間層間及び中間層と出力層間には、入
力センサ情報を考慮した上で、最適な信号を出力できる
ネットワークが形成される。ここで、制御部１０ではニ
ューラルネットワークからの出力を入力とし、最適な装
置要素の制御信号を出力するように予め調整しておく必
要がある。この調整作業はニューラルネットワーク学習
データ取得時と平行して行なうことが可能である。
【００２０】■．制御実行時：制御実行時には、紙特性
検知センサ部２及び各種状態検知センサ部４の入力パラ
メータ群に対して最も発火の度合いが高かった出力を判
断結果とし、紙の種類信号を出力する。その出力信号は
制御部１０、要素駆動部１２を経て、複写機の各要素に
送られ、紙種に合った最適な制御を行なう。
検知センサ部２及び各種状態検知センサ部４の入力パラ
メータ群に対して最も発火の度合いが高かった出力を判
断結果とし、紙の種類信号を出力する。その出力信号は
制御部１０、要素駆動部１２を経て、複写機の各要素に
送られ、紙種に合った最適な制御を行なう。
【００２１】なお、本実施例において、必要ならば使用
者が装置使用中、即ち、制御実行時に紙種の正解をニュ
ーラルネットワークに教師値として与えることで、追加
学習を行うことにより、環境変化、装置のばらつき等に
も対応した紙種の判断を行うニューラルネットワークを
構築することも可能である。
者が装置使用中、即ち、制御実行時に紙種の正解をニュ
ーラルネットワークに教師値として与えることで、追加
学習を行うことにより、環境変化、装置のばらつき等に
も対応した紙種の判断を行うニューラルネットワークを
構築することも可能である。
【００２２】次に、本発明の第２実施例について説明す
る。図３に本発明の第２実施例に係る電子写真プロセス
制御装置の基本構成ブロック図を示す。なお、第１実施
例と同様の構成となっているものは、同じ符号を付けて
、その説明は省略する。本実施例に係る電子写真プロセ
ス制御装置は、紙の特性を検出する紙特性検知センサ部
２と、画像形成装置内の内部状態及び外部状態を計測す
る各種状態検知センサ部４と、紙特性検知センサ部２及
び各種状態検知センサ部４より得られたセンサ値をニュ
ーラルネットワークに入力可能な形式に変換する前処理
部６と、ニューラルネットワークを用いた紙特性パラメ
ータ生成部４０と、紙特性パラメータ生成部４０により
生成された紙の特性パラメータを用いて操作量を決定す
ることにより装置各部の制御を行う制御部４２と、それ
ら複写機各部に対応した制御信号を作成する要素駆動部
４４とから構成されている。
る。図３に本発明の第２実施例に係る電子写真プロセス
制御装置の基本構成ブロック図を示す。なお、第１実施
例と同様の構成となっているものは、同じ符号を付けて
、その説明は省略する。本実施例に係る電子写真プロセ
ス制御装置は、紙の特性を検出する紙特性検知センサ部
２と、画像形成装置内の内部状態及び外部状態を計測す
る各種状態検知センサ部４と、紙特性検知センサ部２及
び各種状態検知センサ部４より得られたセンサ値をニュ
ーラルネットワークに入力可能な形式に変換する前処理
部６と、ニューラルネットワークを用いた紙特性パラメ
ータ生成部４０と、紙特性パラメータ生成部４０により
生成された紙の特性パラメータを用いて操作量を決定す
ることにより装置各部の制御を行う制御部４２と、それ
ら複写機各部に対応した制御信号を作成する要素駆動部
４４とから構成されている。
【００２３】紙特性検知センサ部２、各種状態検知セン
サ部４及び前処理部６は第１実施例とほぼ同様の構成と
なっている。紙特性パラメータ生成部４０には、紙の特
性パラメータ（転写特性、分離特性、定着特性、等）を
学習済みのニューラルネットワークが組み込まれており
、前処理部６から送られてきた各パラメータを入力とし
、紙の特性パラメータを出力する機能がある。
サ部４及び前処理部６は第１実施例とほぼ同様の構成と
なっている。紙特性パラメータ生成部４０には、紙の特
性パラメータ（転写特性、分離特性、定着特性、等）を
学習済みのニューラルネットワークが組み込まれており
、前処理部６から送られてきた各パラメータを入力とし
、紙の特性パラメータを出力する機能がある。
【００２４】制御部４２はＣＰＵ、メモリ、シーケンス
プログラム等から構成される判断機能を有する信号処理
部であり、紙特性パラメータ生成部４０からの紙の特性
パラメータに応じて、要素駆動部４４に信号を送る機能
がある。要素駆動部４４は、制御部４２からの信号によ
って紙の種類に応じて複写部の要素の駆動信号を変える
もので、より高品質な画像を得る方向に制御を行う機能
がある。たとえば、帯電部の帯電チャージャのグリッド
電圧、露光量、現像部ローラにかけるバイアス電圧、転
写電流、分離電流、定着部ヒータ、等の制御を、紙の特
性パラメータを取り込んだ関数、ルール、制御テーブル
、等により行う。
プログラム等から構成される判断機能を有する信号処理
部であり、紙特性パラメータ生成部４０からの紙の特性
パラメータに応じて、要素駆動部４４に信号を送る機能
がある。要素駆動部４４は、制御部４２からの信号によ
って紙の種類に応じて複写部の要素の駆動信号を変える
もので、より高品質な画像を得る方向に制御を行う機能
がある。たとえば、帯電部の帯電チャージャのグリッド
電圧、露光量、現像部ローラにかけるバイアス電圧、転
写電流、分離電流、定着部ヒータ、等の制御を、紙の特
性パラメータを取り込んだ関数、ルール、制御テーブル
、等により行う。
【００２５】次に本実施例の動作について説明する。以
下、ニューラルネットワークのそれらの学習時と判定時
に分けて説明する。 ■．ニューラルネットワークの学習時：まず、紙特性パ
ラメータ生成部４０のニューラルネットワークの学習に
ついて説明する。図４に階層型ニューラルネットワーク
で実現した紙特性パラメータ生成部４０を示す。ニュー
ラルネットワークには、センサ出力情報が入力される入
力層と、中間層、紙の特性パラメータが出力される出力
層とそれらを結ぶネットワークで構成されている。学習
時には、各入力センサ情報を変化させながら実験を行い
、出力層側から紙の特性を的確に表現しているいくつか
のパラメータ（転写しやすさ、分離しやすさ、定着しや
すさ、等をいくつかのレベルに分けて表す。）を教師信
号として与え、逆伝播学習則により学習を行う。
下、ニューラルネットワークのそれらの学習時と判定時
に分けて説明する。 ■．ニューラルネットワークの学習時：まず、紙特性パ
ラメータ生成部４０のニューラルネットワークの学習に
ついて説明する。図４に階層型ニューラルネットワーク
で実現した紙特性パラメータ生成部４０を示す。ニュー
ラルネットワークには、センサ出力情報が入力される入
力層と、中間層、紙の特性パラメータが出力される出力
層とそれらを結ぶネットワークで構成されている。学習
時には、各入力センサ情報を変化させながら実験を行い
、出力層側から紙の特性を的確に表現しているいくつか
のパラメータ（転写しやすさ、分離しやすさ、定着しや
すさ、等をいくつかのレベルに分けて表す。）を教師信
号として与え、逆伝播学習則により学習を行う。
【００２６】教師値としての信号の流れを図４において
、破線の矢印で示している。このような学習により、入
力層と中間層間及び中間層と出力層間には、入力センサ
情報を考慮した上で、最適な信号を出力できるネットワ
ークが形成される。ここで、制御部４２ではニューラル
ネットワークからの出力を入力とし、最適な装置要素の
制御信号を出力するように予め調整しておく必要がある
。この調整作業はニューラルネットワーク学習データ取
得時と平行して行なうことが可能である。
、破線の矢印で示している。このような学習により、入
力層と中間層間及び中間層と出力層間には、入力センサ
情報を考慮した上で、最適な信号を出力できるネットワ
ークが形成される。ここで、制御部４２ではニューラル
ネットワークからの出力を入力とし、最適な装置要素の
制御信号を出力するように予め調整しておく必要がある
。この調整作業はニューラルネットワーク学習データ取
得時と平行して行なうことが可能である。
【００２７】■．制御実行時：制御実行時には、紙特性
検知センサ部２及び各種状態検知センサ部４の入力パラ
メータ群に対する出力層の発火の度合いが紙特性パラメ
ータとされる。たとえば、薄い紙は腰が弱いため分離し
にくいためニューラルネットワークからは分離しにくい
ことを表す分離度パラメータが出力される。また、電気
抵抗の低い紙は転写部でリークをおこし、転写不良とな
るが、ニューラルネットワークからは転写しにくいこと
を表す転写度パラメータが出力される。その出力信号は
制御部４２、要素駆動部４４を経て、複写機の各要素に
送られ、紙特性に合った最適な制御を行なう。
検知センサ部２及び各種状態検知センサ部４の入力パラ
メータ群に対する出力層の発火の度合いが紙特性パラメ
ータとされる。たとえば、薄い紙は腰が弱いため分離し
にくいためニューラルネットワークからは分離しにくい
ことを表す分離度パラメータが出力される。また、電気
抵抗の低い紙は転写部でリークをおこし、転写不良とな
るが、ニューラルネットワークからは転写しにくいこと
を表す転写度パラメータが出力される。その出力信号は
制御部４２、要素駆動部４４を経て、複写機の各要素に
送られ、紙特性に合った最適な制御を行なう。
【００２８】なお、必要ならば使用者が装置使用中に紙
特性パラメータの差分（例えば、もう少し定着をしっか
り→定着特性の追加学習。）をニューラルネットワーク
に教師値として与えることにより追加学習を行ったり、
装置内部のエラー発生状況により追加学習を行うことに
より（例えば、分離部で分離不良によるジャムが起き易
い場合には、分離特性の追加学習。）、環境変化、装置
のばらつき等にも対応した紙特性パラメータの生成を行
うニューラルネットワークを構築することも可能である
。
特性パラメータの差分（例えば、もう少し定着をしっか
り→定着特性の追加学習。）をニューラルネットワーク
に教師値として与えることにより追加学習を行ったり、
装置内部のエラー発生状況により追加学習を行うことに
より（例えば、分離部で分離不良によるジャムが起き易
い場合には、分離特性の追加学習。）、環境変化、装置
のばらつき等にも対応した紙特性パラメータの生成を行
うニューラルネットワークを構築することも可能である
。
【００２９】次に、本発明の第３実施例について説明す
る。図５に本発明の第３実施例に係る電子写真プロセス
制御装置の基本構成ブロック図を示す。なお、第１実施
例と同様の構成となっているものは、同じ符号を付けて
、その説明は省略する。本実施例に係る電子写真プロセ
ス制御装置は、紙の特性を検出する紙特性検知センサ部
２と、画像形成装置内の内部状態及び外部状態を計測す
る各種状態検知センサ部４と、紙特性検知センサ部２及
び各種状態検知センサ部４より得られたセンサ値をニュ
ーラルネットワークに入力可能な形式に変換する前処理
部６と、ニューラルネットワークを用いた操作量パラメ
ータ生成部５０と、操作量パラメータ生成部５０により
得られた操作量に基づいて前記装置各部の制御を行う制
御部５２と、それら複写機各部に対応した制御信号を作
成する要素駆動部５４とから構成されている。
る。図５に本発明の第３実施例に係る電子写真プロセス
制御装置の基本構成ブロック図を示す。なお、第１実施
例と同様の構成となっているものは、同じ符号を付けて
、その説明は省略する。本実施例に係る電子写真プロセ
ス制御装置は、紙の特性を検出する紙特性検知センサ部
２と、画像形成装置内の内部状態及び外部状態を計測す
る各種状態検知センサ部４と、紙特性検知センサ部２及
び各種状態検知センサ部４より得られたセンサ値をニュ
ーラルネットワークに入力可能な形式に変換する前処理
部６と、ニューラルネットワークを用いた操作量パラメ
ータ生成部５０と、操作量パラメータ生成部５０により
得られた操作量に基づいて前記装置各部の制御を行う制
御部５２と、それら複写機各部に対応した制御信号を作
成する要素駆動部５４とから構成されている。
【００３０】紙特性検知センサ部２、各種状態検知セン
サ部４及び前処理部６は第１実施例とほぼ同様の構成と
なっている。操作量パラメータ生成部５０には各種セン
サより得られた紙の情報と、各操作部の最適な操作量パ
ラメータ（一種の操作量のスケール・ファクタ）との関
係を学習済みのニューラルネットワークが組み込まれて
おり、前処理部６から送られてきた各パラメータを入力
とし、装置各部の操作量パラメータを出力する機能があ
る。
サ部４及び前処理部６は第１実施例とほぼ同様の構成と
なっている。操作量パラメータ生成部５０には各種セン
サより得られた紙の情報と、各操作部の最適な操作量パ
ラメータ（一種の操作量のスケール・ファクタ）との関
係を学習済みのニューラルネットワークが組み込まれて
おり、前処理部６から送られてきた各パラメータを入力
とし、装置各部の操作量パラメータを出力する機能があ
る。
【００３１】制御部５２はＣＰＵ、メモリ、シーケンス
プログラム等から構成される判断機能を有する信号処理
部であり、操作量パラメータ生成部５０からの操作量パ
ラメータに応じて、要素駆動部５４に信号を送る機能が
ある。要素駆動部５４は、制御部５２からの信号によっ
て紙の種類に応じて複写部の要素の駆動信号を変えるも
ので、より高品質な画像を得る方向に制御を行う機能が
ある。たとえば、帯電部の帯電チャージャのグリッド電
圧、露光量、現像部ローラにかけるバイアス電圧、転写
電流、分離電流、定着部ヒータ、等の制御を、操作量パ
ラメータを取り込んだ関数、ルール、制御テーブル、等
により行う。
プログラム等から構成される判断機能を有する信号処理
部であり、操作量パラメータ生成部５０からの操作量パ
ラメータに応じて、要素駆動部５４に信号を送る機能が
ある。要素駆動部５４は、制御部５２からの信号によっ
て紙の種類に応じて複写部の要素の駆動信号を変えるも
ので、より高品質な画像を得る方向に制御を行う機能が
ある。たとえば、帯電部の帯電チャージャのグリッド電
圧、露光量、現像部ローラにかけるバイアス電圧、転写
電流、分離電流、定着部ヒータ、等の制御を、操作量パ
ラメータを取り込んだ関数、ルール、制御テーブル、等
により行う。
【００３２】次に本実施例の動作について説明する。以
下、ニューラルネットワークのそれらの学習時と判定時
に分けて説明する。 ■．ニューラルネットワークの学習時：まず、操作量パ
ラメータ生成部５０のニューラルネットワークの学習に
ついて説明する。図６に階層型ニューラルネットワーク
で実現した操作量パラメータ生成部５０を示す。ニュー
ラルネットワークには、センサ出力情報が入力される入
力層と、中間層、操作量パラメータが出力される出力層
とそれらを結ぶネットワークで構成されている。学習時
には、各入力パラメータを変化させながら実験を行い、
出力層側から各部の操作量の特性を的確に表現している
いくつかのパラメータ（帯電グリット操作量、露光操作
量、現像バイアス操作量、転写電流操作量、分離電流操
作量、定着／圧力操作量、等）を教師信号として与え、
逆伝播学習則により学習を行う。
下、ニューラルネットワークのそれらの学習時と判定時
に分けて説明する。 ■．ニューラルネットワークの学習時：まず、操作量パ
ラメータ生成部５０のニューラルネットワークの学習に
ついて説明する。図６に階層型ニューラルネットワーク
で実現した操作量パラメータ生成部５０を示す。ニュー
ラルネットワークには、センサ出力情報が入力される入
力層と、中間層、操作量パラメータが出力される出力層
とそれらを結ぶネットワークで構成されている。学習時
には、各入力パラメータを変化させながら実験を行い、
出力層側から各部の操作量の特性を的確に表現している
いくつかのパラメータ（帯電グリット操作量、露光操作
量、現像バイアス操作量、転写電流操作量、分離電流操
作量、定着／圧力操作量、等）を教師信号として与え、
逆伝播学習則により学習を行う。
【００３３】教師値としての信号の流れを図６において
、破線の矢印で示している。このような学習により、入
力層と中間層間及び中間層と出力層間には、入力センサ
情報と、紙の特性及び感光体ドラム間の系を考慮した上
で、最適な信号を出力できるネットワークが形成される
。ここで、制御部５２ではニューラルネットワークから
の出力を入力とし、最適な装置要素の制御信号を出力す
るように予め調整しておく必要がある。この調整作業は
ニューラルネットワーク学習データ取得時と平行して行
なうことが可能である。
、破線の矢印で示している。このような学習により、入
力層と中間層間及び中間層と出力層間には、入力センサ
情報と、紙の特性及び感光体ドラム間の系を考慮した上
で、最適な信号を出力できるネットワークが形成される
。ここで、制御部５２ではニューラルネットワークから
の出力を入力とし、最適な装置要素の制御信号を出力す
るように予め調整しておく必要がある。この調整作業は
ニューラルネットワーク学習データ取得時と平行して行
なうことが可能である。
【００３４】■．制御実行時：制御実行時には、紙特性
検知センサ部２及び各種状態検知センサ部４の入力パラ
メータ群に対する出力層の発火の度合いが操作量パラメ
ータとされる。その出力信号は制御部５２、要素駆動部
５４を経て、複写機の各要素に送られ、各状態に対応し
た最適な制御を行なう。
検知センサ部２及び各種状態検知センサ部４の入力パラ
メータ群に対する出力層の発火の度合いが操作量パラメ
ータとされる。その出力信号は制御部５２、要素駆動部
５４を経て、複写機の各要素に送られ、各状態に対応し
た最適な制御を行なう。
【００３５】なお、必要ならば使用者が装置使用中に簡
単な指示を装置に与え、装置内で指示に対する操作量パ
ラメータの差分（例えば、指示：画像が薄い→帯電グリ
ッドの操作量パラメータを少し大きくし追加学習をする
。）を生成し、これをニューラルネットワークに教師値
として与えることにより追加学習を行ったり、装置内部
のエラー発生状況により追加学習を行うことにより、環
境変化、装置のばらつき等にも対応した操作量パラメー
タの生成を行うニューラルネットワークを構築すること
も可能である。
単な指示を装置に与え、装置内で指示に対する操作量パ
ラメータの差分（例えば、指示：画像が薄い→帯電グリ
ッドの操作量パラメータを少し大きくし追加学習をする
。）を生成し、これをニューラルネットワークに教師値
として与えることにより追加学習を行ったり、装置内部
のエラー発生状況により追加学習を行うことにより、環
境変化、装置のばらつき等にも対応した操作量パラメー
タの生成を行うニューラルネットワークを構築すること
も可能である。
【００３６】
【発明の効果】請求項１、請求項２及び請求項３記載の
発明によれば、電子写真プロセス現像部を制御する装置
において、ニューラルネットワークを用いて紙のカテゴ
ナイズ、紙の特性パラメータの生成、紙の特性に適合し
た操作量の生成を行い、この結果を利用して装置各部の
制御を行うようにしているので、高品位な画像を出力す
る複写機、プリンタ、ファクシミリなどを提供すること
ができる。さらに、以下のような効果をも合わせ持つも
のである。
発明によれば、電子写真プロセス現像部を制御する装置
において、ニューラルネットワークを用いて紙のカテゴ
ナイズ、紙の特性パラメータの生成、紙の特性に適合し
た操作量の生成を行い、この結果を利用して装置各部の
制御を行うようにしているので、高品位な画像を出力す
る複写機、プリンタ、ファクシミリなどを提供すること
ができる。さらに、以下のような効果をも合わせ持つも
のである。
【００３７】（１）紙の特性を考慮した信頼性の高い制
御の実現 紙の種類（特性）を制御に取り込むことによりプロセス
制御の精度が向上し、より高品位な画像を出力する複写
機、プリンタ、ファクシミリ等を実現することが可能と
なる。これは、感光体ドラム上の画像ではなく、利用者
が求めている紙上に転写、定着された画像を最適化する
制御を実現することになる。
御の実現 紙の種類（特性）を制御に取り込むことによりプロセス
制御の精度が向上し、より高品位な画像を出力する複写
機、プリンタ、ファクシミリ等を実現することが可能と
なる。これは、感光体ドラム上の画像ではなく、利用者
が求めている紙上に転写、定着された画像を最適化する
制御を実現することになる。
【００３８】（２）開発期間、コストの削減本発明では
、ニューラルネットワークを用いて比較的少ない実験か
ら制御方法（操作量）を一般化できるので開発期間、コ
ストを削減することが可能である。また、装置内に表と
して大量のデータを保持する必要がないので、装置自体
のコスト削減も期待できる。
、ニューラルネットワークを用いて比較的少ない実験か
ら制御方法（操作量）を一般化できるので開発期間、コ
ストを削減することが可能である。また、装置内に表と
して大量のデータを保持する必要がないので、装置自体
のコスト削減も期待できる。
【図１】本発明の電子写真プロセス制御装置の第１実施
例の構成ブロック図である。
例の構成ブロック図である。
【図２】階層型ニューラルネットワークで実現した紙種
類判定部を示す図である。
類判定部を示す図である。
【図３】本発明の電子写真プロセス制御装置の第２実施
例の構成ブロック図である。
例の構成ブロック図である。
【図４】階層型ニューラルネットワークで実現した紙特
性パラメータ生成部を示す図である。
性パラメータ生成部を示す図である。
【図５】本発明の電子写真プロセス制御装置の第３実施
例の構成ブロック図である。
例の構成ブロック図である。
【図６】階層型ニューラルネットワークで実現した操作
量パラメータ生成部を示す図である。
量パラメータ生成部を示す図である。
２ 紙特性検知センサ部
４ 各種状態検知センサ部
６ 前処理部
８ 紙種類判定部
４０ 紙特性パラメータ生成部
５０ 操作量パラメータ生成部
１０，４２，５２ 制御部
１２，４４，５４ 要素駆動部
Claims (3)
- 【請求項１】電子写真プロセス機構を備えた画像形成装
置の装置各部の制御を行なう電子写真プロセス制御装置
であって、画像を転写する紙の電気抵抗、表面の摩擦係
数、厚さ、光の透過率および反射率、等を測定する紙特
性検知手段と、画像形成装置内の温度、湿度等の装置の
内部状態及び外部状態を計測する各種状態検知手段と、
前記紙特性検知手段及び前記各種状態検知手段より得ら
れたセンサ値をニューラルネットワークに入力可能な形
式に変換する変換手段と、前記紙特性検知手段及び前記
各種状態検知手段より得られたセンサ値を入力とし、紙
の種類を教師値としてセンサ値と紙の種類の関係を学習
させておいた前記ニューラルネットワークを用いた紙種
類判定手段と、該紙種類判定手段により判定された紙種
類により制御パラメータを切り替えることにより前記装
置各部の制御を行う制御手段と、を有することを特徴と
する電子写真プロセス制御装置。 - 【請求項２】電子写真プロセス機構を備えた画像形成装
置の装置各部の制御を行なう電子写真プロセス制御装置
であって、画像を転写する紙の電気抵抗、表面の摩擦係
数、厚さ、光の透過率および反射率、等を測定する紙特
性検知手段と、画像形成装置内の温度、湿度等の装置の
内部状態及び外部状態を計測する各種状態検知手段と、
前記紙特性検知手段及び前記各種状態検知手段より得ら
れたセンサ値をニューラルネットワークに入力可能な形
式に変換する変換手段と、前記紙特性検知手段及び前記
各種状態検知手段より得られたセンサ値を入力とし、転
写特性、定着特性などの紙の特性パラメータを教師値と
してセンサ値と紙の特性の関係を学習させておいた前記
ニューラルネットワークを用いた紙特性パラメータ生成
手段と、該紙特性パラメータ生成手段により生成された
紙の特性パラメータを用いて操作量を決定することによ
り前記装置各部の制御を行う制御手段と、を有すること
を特徴とする電子写真プロセス制御装置。 - 【請求項３】電子写真プロセス機構を備えた画像形成装
置の装置各部の制御を行なう電子写真プロセス制御装置
であって、画像を転写する紙の電気抵抗、表面の摩擦係
数、厚さ、光の透過率および反射率、等を測定する紙特
性検知手段と、画像形成装置内の温度、湿度等の装置の
内部状態及び外部状態を計測する各種状態検知手段と、
前記紙特性検知手段及び前記各種状態検知手段より得ら
れたセンサ値をニューラルネットワークに入力可能な形
式に変換する変換手段と、前記紙特性検知手段及び前記
各種状態検知手段より得られたセンサ値を入力とし、予
め実験等により得られた前記装置各部の操作量を表すパ
ラメータを教師値として、センサ値と紙の特性および感
光体ドラム間の系の学習させておいた前記ニューラルネ
ットワークを用いた操作量パラメータ生成手段と、該操
作量パラメータ生成手段により得られた操作量に基づい
て前記装置各部の制御を行う制御手段と、を有すること
を特徴とする電子写真プロセス制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3143454A JPH04366975A (ja) | 1991-06-14 | 1991-06-14 | 電子写真プロセス制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3143454A JPH04366975A (ja) | 1991-06-14 | 1991-06-14 | 電子写真プロセス制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04366975A true JPH04366975A (ja) | 1992-12-18 |
Family
ID=15339081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3143454A Pending JPH04366975A (ja) | 1991-06-14 | 1991-06-14 | 電子写真プロセス制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH04366975A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020071271A (ja) * | 2018-10-29 | 2020-05-07 | 株式会社沖データ | 機械学習装置、データ処理システム、機械学習方法及びデータ処理方法 |
| JP2021033236A (ja) * | 2019-08-29 | 2021-03-01 | 株式会社沖データ | 機械学習装置、データ処理システム、印刷システム、機械学習方法、およびデータ処理方法 |
| JP2021059451A (ja) * | 2019-10-09 | 2021-04-15 | コニカミノルタ株式会社 | 判別装置、判別システム、および判別方法 |
| JP2021099403A (ja) * | 2019-12-20 | 2021-07-01 | 株式会社沖データ | 機械学習装置、データ処理システム、機械学習方法、およびデータ処理方法 |
| JP2022089503A (ja) * | 2020-12-04 | 2022-06-16 | コニカミノルタ株式会社 | パラメータ決定装置、画像形成装置、後処理装置、給紙装置、および決定モデルの作成方法 |
| JP2022089505A (ja) * | 2020-12-04 | 2022-06-16 | コニカミノルタ株式会社 | パラメータ決定装置、画像形成装置、後処理装置、給紙装置、およびパラメータ決定方法 |
| JP2022178668A (ja) * | 2021-05-20 | 2022-12-02 | 富士フイルムビジネスイノベーション株式会社 | 測定装置、及び画像形成装置 |
| JP2024030014A (ja) * | 2022-08-23 | 2024-03-07 | コニカミノルタ株式会社 | 紙種判別装置、紙種判別方法、および紙種判別プログラム |
-
1991
- 1991-06-14 JP JP3143454A patent/JPH04366975A/ja active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020071271A (ja) * | 2018-10-29 | 2020-05-07 | 株式会社沖データ | 機械学習装置、データ処理システム、機械学習方法及びデータ処理方法 |
| JP2021033236A (ja) * | 2019-08-29 | 2021-03-01 | 株式会社沖データ | 機械学習装置、データ処理システム、印刷システム、機械学習方法、およびデータ処理方法 |
| JP2021059451A (ja) * | 2019-10-09 | 2021-04-15 | コニカミノルタ株式会社 | 判別装置、判別システム、および判別方法 |
| JP2021099403A (ja) * | 2019-12-20 | 2021-07-01 | 株式会社沖データ | 機械学習装置、データ処理システム、機械学習方法、およびデータ処理方法 |
| JP2022089503A (ja) * | 2020-12-04 | 2022-06-16 | コニカミノルタ株式会社 | パラメータ決定装置、画像形成装置、後処理装置、給紙装置、および決定モデルの作成方法 |
| JP2022089505A (ja) * | 2020-12-04 | 2022-06-16 | コニカミノルタ株式会社 | パラメータ決定装置、画像形成装置、後処理装置、給紙装置、およびパラメータ決定方法 |
| JP2023061933A (ja) * | 2020-12-04 | 2023-05-02 | コニカミノルタ株式会社 | パラメータ決定装置、画像形成装置、後処理装置、給紙装置、決定モデルの作成方法、および制御プログラム |
| US12078948B2 (en) | 2020-12-04 | 2024-09-03 | Konica Minolta, Inc. | Parameter determination apparatus, image forming apparatus, post-processing apparatus, sheet feeding apparatus, and parameter determination method |
| JP2024123069A (ja) * | 2020-12-04 | 2024-09-10 | コニカミノルタ株式会社 | パラメータ決定装置、画像形成装置、給紙装置、決定モデルの作成方法、および制御プログラム |
| JP2026048643A (ja) * | 2020-12-04 | 2026-03-17 | コニカミノルタ株式会社 | パラメータ決定装置、画像形成装置、給紙装置、決定モデルの作成方法、および制御プログラム |
| JP2022178668A (ja) * | 2021-05-20 | 2022-12-02 | 富士フイルムビジネスイノベーション株式会社 | 測定装置、及び画像形成装置 |
| JP2024030014A (ja) * | 2022-08-23 | 2024-03-07 | コニカミノルタ株式会社 | 紙種判別装置、紙種判別方法、および紙種判別プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5699096A (en) | Potential estimating apparatus using a plurality of neural networks for carrying out an electrophotographic process | |
| US5220373A (en) | Electrophotographic process control device using a neural network for estimating states of the device | |
| JP3026630B2 (ja) | 電子写真プロセス制御装置 | |
| JPH04366975A (ja) | 電子写真プロセス制御装置 | |
| US5761568A (en) | Electro-photographic apparatus having transfer bias control | |
| US5845171A (en) | Technique for controlling developing voltage of image forming device | |
| JPH09138611A (ja) | 電子写真式画像形成装置とその転写電圧制御方法 | |
| JP2019074723A (ja) | 画像形成装置、画像形成装置の制御方法およびプログラム | |
| JPH04480A (ja) | 電子写真装置 | |
| JP2010262243A (ja) | 画像形成装置 | |
| JP2023025581A (ja) | 画像形成装置、システム、画像形成装置の制御方法、及びプログラム | |
| TW306985B (ja) | ||
| JPH0572859A (ja) | 電子写真プロセス制御装置 | |
| JP3162765B2 (ja) | 電子写真プロセス制御装置 | |
| JP3200121B2 (ja) | 電子写真プロセス制御装置 | |
| JPH0651599A (ja) | 画質制御装置 | |
| JPH06161294A (ja) | 電子写真プロセス制御装置 | |
| KR100547099B1 (ko) | 전사전압 제어방법 | |
| KR100444897B1 (ko) | 전자사진현상기기의현상전압자동제어방법및그장치 | |
| JP5635820B2 (ja) | 画質改良方法 | |
| KR100240071B1 (ko) | 전자사진 현상기기 및 이의 전사전압/정착온도제어방법 | |
| JP3260793B2 (ja) | 電子写真プロセス制御装置 | |
| JPH04326370A (ja) | 電子写真プロセス制御装置 | |
| JP2001066837A (ja) | 画像形成装置 | |
| JPH04284465A (ja) | 電子写真プロセス制御装置 |